介绍对象
我们从生物学的特点得知,任何生物体都有自己的典型代表, 就是说,在真实世界上的每个物体都具有本身的基因性, 这个基因性包含该物体的全部信息。赫兹量化软件在每个典型代表上都会反映每个基因的信息。因此,要解决我们的问题,需要知道现存的物体的模式是否适合使用基因演算。基本演算机制的将来函数在典型代表的基础上,可以避开物体内在的信息,从而对于不同的任务广泛地使用演算。赫兹量化软件
比特字串符被广泛地使用于物体基因的基因演算中。 因为,每一个物体基因 都能够代表物体相应的特性。基因是一个固定长度的比特字串符表示这个特性值。赫兹量化软件
整数编码特性
最简单的代码方法是使用它的比特值。使用这种方法就可以很简单地执行。因为一个基因的中心长度足以表示特性的一些值。但是,这种方法也存在缺点。赫兹量化软件主要是由于周围的数字号码不同于几个比特值。比如, 7和 8在比特的显示上不同于4个仓位,这种情况就使基因演算很难继续运行。为了避免这个状况的发生,最好选择使用周围数字号码和代码差距较小的仓位,最理想的是相同值。在真实的基因演算中一些可用的 代码为 Gray 代码。这些可用 Gray 代码值在以下的表格中给出:
二进制代码 | Gray代码 | ||||
---|---|---|---|---|---|
十进制代码 | 二进制代码 | 十六进制代码 | 十进制代码 | 二进制代码 | 十六进制代码 |
0 | 0000 | 0h | 0 | 0000 | 0h |
1 | 0001 | 1h | 1 | 0001 | 1h |
2 | 0010 | 2h | 3 | 0011 | 3h |
3 | 0011 | 3h | 2 | 0010 | 2h |
4 | 0100 | 4h | 6 | 0110 | 6h |
5 | 0101 | 5h | 7 | 0111 | 7h |
6 | 0110 | 6h | 5 | 0101 | 5h |
7 | 0111 | 7h | 4 | 0100 | 4h |
8 | 1000 | 8h | 12 | 1100 | Ch |
9 | 1001 | 9h | 13 | 1101 | Dh |
10 | 1010 | Ah | 15 | 1111 | Fh |
11 | 1011 | Bh | 14 | 1110 | Eh |
12 | 1100 | Ch | 10 | 1010 | Ah |
13 | 1101 | Dh | 11 | 1011 | Bh |
14 | 1110 | Eh | 9 | 1001 | 9h |
15 | 1111 | Fh | 8 | 1000 | 8h |
表格1. 相互协调的十进制编码和Gray编码.
所以,当代码为整数特性时,我们将其分成四元组并按照Gray代码规则传送每个四元组。赫兹量化软件
在真实的 基因演算过程中,通常不需要传送特性值到基因值中。 实际执行中要注意相应的基因值必须找到特性值。赫兹量化软件
因此,在整数特性基因值的解码问题上就显得很微不足道了。
浮点编码特性
最简单的代码方法是使用它的比特值。在浮点代码特性中使用这种方法的缺点与整数代码特性相同。所以我们要按照以下列出的次序执行:
- 特性允许值的整个间隔时间分为期待精确值部分。
- 基因值作为整数号码时间间隔使用 (使用Gray代码 )。
- 间隔时间的中间数字用作参量值。
我们现在通过范例来了解以上介绍的执行次序:
我们假设特性值得范围在[0,1]之内。该范围为代码被分裂成 256时间间隔。编码这些数字,我们需要8个比特。比如,基因值为 00100101bG (大写字母 G 表示Gray代码)。首先使用 Gray 代码,找到相应的间隔时间数字: 25hG->36h->54d。现在,我们来检测什么样的间隔时间与其相对应。通过简单的计算,我们得到的间隔时间为 [0,20703125, 0,2109375]。 即, 参量的值将为赫兹量化软件 (0,20703125+0,2109375)/2=0,208984375。
非数字数据编码
在编译这些非数字数据编码之前,我们必须把它转换成数字。在本网站上有相关的文章-使用神经网络描述。
如何由对象的基因确定它的典型代表
确定对象的典型代表 (对象的特性值),我们需要知道与这些特性相对应的基因值 (对象的基因类型)。基因的完整描述表现在物体基因类型的染色体。在一些实践中被称为标本。 因此,在基因演算的实践中,染色体代表的是一个固定长度比特字符串。字串符的间隔与基因相对应。在染色体内的基因长度可以相同也可以不同。 要经常性地使用相同长度的基因. 现在我们来看看染色体的范例和其值的解析。对象有5个特性,每一个特性编码基因元素的长度为4个。那么,染色体的长度为 5*4=20 比特:
0010 | 1010 | 1001 | 0100 | 1101 |
我们现在可以确定特性值
特性 | 基因值 | 二进制值特性 | 小数值特性 | ||||||||
---|---|---|---|---|---|---|---|---|---|---|---|
特性 1 | 0010 | 0011 | 3 | ||||||||
特性 2 | 1010 | 1100 | 12 | ||||||||
特性 3 | 1001 | 1110 | 14 | ||||||||
特性 4 | 0100 | 0111 | 7 | ||||||||
特性 5 | 1101 | 1001 | 9 |
基因演算的基本运算符
众所周知,在演变的理论中原有特性对新生事物的遗传影响很重要。在基因演算中, 基因运算符的交叉 使用到改变染色体的程序中。这种运算操作存在以下几种方法:赫兹量化软件
- 选择两个普遍的单元作为母体;
- 确定转折点(随意);
- 确定子体作为第一和第二母体的联系部分。
我们来看看这些运算符函数
染色体_1: | 0000000000 |
染色体_2: | 1111111111 |
假设转折点放置在第三染色体后,那么:
染色体_1: | 0000000000 | >> | 000 | 1111111 | 结果_ 染色体_1 |
染色体_2: | 1111111111 | >> | 111 | 0000000 | 结果_ 染色体_2 |
那么结果染色体可能被确定为 0.5作为子体。
另外一个运算符是维持运算的变化。被称作变种运算符。这个运算符可以从它的初始状态再染色体中改变其值。相应地,每个比特在染色体中从中心位置倒序排列。
另外,还有一个运算符,被称为倒装运算符 使用在基因演算中。它将染色体分为两个部分并改变染色体的位置。简单地代表如下:
000 | 1111111 | >> | 1111111 | 000 |
理论上,这两个基因运算符已经可以完成基因演算的操作。不过在实际操作中还需要添加一些运算符,并且对现有的两个运算符做适当的修改。例如, 在基因演算中不可能只有一个交叉点 (如上所述),但是同样可以有多个交叉点。这种情况下,需要创建几个转折点 (通常是两个)。另外,倒装运算符的执行必须是在染色体种选择比特之后随意地使用执行。赫兹量化软件
基因演算的流程图
现在,带着上面的知识我们来解释一下基因值。我们讨论基因演算的函数何在。近距离地观看基因运算的流程图和它的古典表示法。
- 初始化开始时间, t=0. 由k单元随意组成的初始化母体 。 B0 = {A1,A2,…,Ak)。
- 计算每个单元的合适性, FAi = fit(Ai), i=1…k, 然后进入母体, Ft = fit(Bt)。这个函数的值在一定程度上确定适用于描述的染色体,并能解决问题。
- 在母体中选择Ac单元。 Ac = Get(Bt)。
- 在母体的中心概率选择第二个单元 (Pc概率的交叉点), Аc1 = Get(Bt),并执行交叉运算符, Ac = Crossing(Ac,Ac1)。
- 执行变种运算符( Pm概率的变种), Ac = mutation(Ac)。
- 执行倒装运算符 ( Pi概率的倒装), Ac = inversion(Ac)。
- 获取新的染色体到新的母体中,插入(Bt+1,Ac)。
- 步骤 3 到 7 可以重复 k次。
- 增加当前时期的数字, t=t+1.
- 如果遇到停止,终端会停止作业。返回至步骤2。
一些运算的步骤还需要周密的计划和考虑。
步骤 3和4,选择染色体的母体步骤在函数的成功运算中扮演着最重要的角色。 对于这个步骤可能有多种多样的选择。最经常使用的方法被称作一般旋轮线 。 当使用这种方法时,这些或那些染色体的概率将会选择确定为它的合适性,即, PGet(Ai) ~ Fit(Ai)/Fit(Bt)。这种方法使用的结果可能会导致子体的单元生成概率的过量。另外一种经常使用的方法是淘汰赛。 它包括几个单元(通常2个)。在母体中随意地选择。最适合的单元将被使用。在一些运算的实施中,会使用名称为 菁英策略,说明保证进入母体的为最优秀的单元。 这种算法常常会加速基因演算的汇合。该策略的缺点是可能增加运算在最小地方点获取值。赫兹量化软件
确定运算停止的标准同样非常重要。演算函数的时期限定或演算汇合的确定(通常,当参量确定后,在几个时期内比较母体的适合性) 都需要使用一些尺度。